在 Python XML 解析中保留转义字符

Question

我正在尝试编写一个 python 脚本，它接受一两个 xml 文件，并根据输入文件的内容输出一两个新文件。我试图使用 minidom 模块编写这个脚本。但是，输入文件包含许多转义字符实例

内部节点属性。不幸的是，在输出文件中，这些字符已被转换为不同的字符，这似乎是换行符。

例如，输入文件中的一行如：

<Entry text="For English For Hearing Impaired&#xa;Press 3 on Keypad"

当我读到 minidom 导致此问题时，将输出

<Entry text="For English For Hearing Impaired
Press 3 on Keypad"

，因为它不允许 xml 属性中的转义字符（我认为）。这是真的吗？如果是这样，将 xml 文件解析为 python 文档、操作节点并将其与其他文档交换以及将文档输出回新文件的最佳工具/方法是什么？

如果有帮助的话，我还使用“utf-8”编码解析和保存这些文件。我不知道这是否是问题的一部分。感谢任何人可以提供的帮助。

-亚历克斯·凯泽

Answer 1

自从发现 lxml 以来，我就没有使用过 Python 的标准 xml 模块。它可以完成您正在寻找的一切。例如...

input.xml:

<?xml version="1.0" encoding='utf-8'?>
<root>
  <Button3 yposition="250" fontsize="16" language1="For English For Hearing Impaired
Press 3 on Keypad" />
</root>

和:

>>> from lxml import etree
>>> with open('input.xml') as f:
...     root = etree.parse(f)
...
>>> buttons = root.xpath('//Button3')
>>> buttons
[<Element Button3 at 101071f18>]
>>> buttons[0]
<Element Button3 at 101071f18>
>>> buttons[0].attrib
{'yposition': '250', 'language1': 'For English For Hearing Impaired\nPress 3 on Keypad', 'fontsize': '16'}
>>> buttons[0].attrib['foo'] = 'bar'
>>> s = etree.tostring(root, xml_declaration=True, encoding='utf-8', pretty_print=True)
>>> print(s)
<?xml version='1.0' encoding='utf-8'?>
<root>
  <Button3 yposition="250" fontsize="16" language1="For English For Hearing Impaired
Press 3 on Keypad" foo="bar"/>
</root>
>>> with open('output.xml','w') as f:
...     f.write(s)
>>>

Answer 2

不幸的是，标准 xml 模块没有关闭转义的选项。因此，对我来说，最好的选择是使用 ElementTree 中的方法转义回来，该方法由 xml 本身用于此目的（来自 ElementTree 的方法） >sax.utils 不会转义 \n)：

text = ElementTree._escape_attrib(text, 'utf-8')

源 xml 中的文本：

Here is a test message
With newline & ampersand

“解码”后的文本：

Here is a test message
With newline & ampersand

“转义回来”后的文本：

Here is a test message
With newline & ampersand

Answer 3

是字符 0x0a 或换行符的 XML 实体。解析器正在正确解析 XML 并为您提供指示的字符。如果您想禁止或以其他方式处理属性中的换行符，则在解析器将它们提供给您之后，您可以自由地对它们执行任何您喜欢的操作。